基于改进YOLOv4的地铁车辆螺栓状态检测方法

作者：徐宝康; 郑树彬^*; 戚玮玮; 李立明; 丁亚琦

来源：智能计算机与应用, 2022, 12(10): 227-239.

• 地铁车辆
• 螺栓状态检测
• 深度学习
• 特征提取
• YOLOv4

针对地铁车辆螺栓数量多、目标小导致的高误检率问题，提出一种基于改进YOLOv4的地铁车辆螺栓状态检测方法。采用级联的策略分2步检测实现螺栓目标的定位与分类，从而降低误检率。两步检测算法均采用改进的YOLOv4:首先利用聚类算法获取先验框的尺寸，并通过改变先验框生成的初始位置，优化预测框位置回归的策略，以提升网络训练与检测速度，其次重构了特征融合机制，用自适应空间特征融合的方法对PANet模块的输出进行操作，改善了特征的比例不变性，提高了对螺栓的检测精度。实验结果表明，提出的检测方法mAP、召回率分别可达99.5%,99.8%,可更高效地分类与识别螺栓小目标。

• 单位
  上海工程技术大学; 上海地铁维护保障有限公司